科研之友
微信
新浪微博
Facebook
分享链接
摘要
为去除低剂量CT(LDCT)图像中的噪声，并增强去噪后图像的显示效果，提出了一种生成对抗网络(GAN)下的LDCT图像增强算法。首先，将生成对抗网络与感知损失、结构损失相结合，对LDCT图像进行去噪；然后，对去噪后的图像分别进行动态灰度增强和边缘轮廓增强；最后，使用非下采样轮廓波变换，将增强后的图像在频域上分解为具有多方向性的系数子图，将配对的高低频子图使用卷积神经网络进行自适应融合，重构得到增强后的CT图像。使用AAPM比赛公开的真实临床数据作为实验数据集，进行了图像去噪、增强、融合实验，本文方法在信噪比（PSNR）、结构相似度（SSIM）、均方根误差（RMSE）上结果分别为33.0155、0.9185、5.99。实验结果表明，本文提出的算法在去除噪声的同时保留了CT图像的细节信息，且提高了图像的亮度和对比度，有助于医生更加准确的分析病情。
- 单位
